一种改进的RANSAC图像拼接算法

针对RANSAC算法迭代次数过多导致的图像拼接效率不高的问题,提出一种改进的RANSAC图像拼接算法;首先采用SIFT算法提取尺度不变特征点,利用双向互匹配策略对特征点进行匹配,在使用RANSAC算法计算单应性矩阵之前,利用相邻特征点之间的关系对初始特征点对进行筛选,最后使用加权平滑法完成图像的融合;实验结果表明该方法有效地减少了特征点对数,提高了RANSAC的运行时间,图像拼接效率有了很大的提高。     

一种基于特征不变描述的图像无缝拼接算法

针对尺度变化不明显场景的拼接,提出一种基于特征不变描述的图像无缝拼接算法.利用Harris特征检测算子进行特征点提取,在此基础上对提取出的特征点采用SIFT描述子进行处理,使其具备旋转不变性,然后利用k-d树算法进行遍历搜索定位,并用RANSAC算法进行图像间单应性变换矩阵计算,最后利用加权平均的融合方法进行图像无缝平滑,得到无缝拼接图像.实验结果表明:该算法在图像任意角度旋转的情况下,能有效地实现图像无缝拼接,并具有较强的鲁棒性.     

仿生复眼视觉系统中全景图拼接算法

模仿昆虫复眼的视觉机理,设计一种仿生球面9复眼视觉系统,并提出一种全景图拼接算法。首先采用抗旋转、抗尺度变化的SIFT图像匹配算法进行特征点的提取与匹配;然后利用稳健的RANSAC算法求出图像间变换矩阵 的初始值,并使用LM非线性迭代算法精炼 ;最后通过改进的加权平滑算法完成多视角图像序列的无缝拼接,得到整个场景的全景图。实验结果表明:全景图的整个拼接过程中复眼视觉系统可以自动地实现对多视角图像序列的无缝拼接,并在多个方向都增大了视场,弥补了传统宽屏幕全景图的不足。     

结合几何代数改进的SIFT桥梁裂缝图像拼接算法

针对桥梁裂缝图像精度要求高,拼接质量受原图像亮度变化大、噪声干扰严重和对比度低的影响,提出了一种结合几何代数改进的SIFT桥梁裂缝图像的新型拼接算法。对SIFT算法进行了两方面的改进:一是通过几何代数空间的表示形式提取了待拼接图像的色度图像,克服了SIFT算法中色度信息丢失的不足;二是改进了SIFT算法对灰度图像建立尺度空间的方法,构建了新的可适用于多光谱图像的高斯滤波和卷积运算,确定了尺度空间。通过几何代数DoG空间检测特征点并进行预匹配。使用改进的RANSAC算法对匹配结果进行修正,完成了图像之间的精确拼接。实验结果表明,所提算法的性能优于SIFT算法,提取的特征点对数量提高了近10%;拼接过程中未产生位错现象,最终拼接结果满足桥梁裂缝图像的精度要求。     

基于SIFT特征的彩色图像拼接方法研究

针对传统特征提取拼接算法在复杂图像中配准过程中出现的过多误匹配,导致拼接后图像出现鬼影、模糊等问题,从而影响拼接图像的质量,提出一种改进的SIFT配准算法。在对目标图像提取SIFT特征后,利用SIFT描述子的尺度以及梯度方向信息建立最小邻域匹配剔除误匹配点,之后利用局部均方根误差(RMSE)评价映射矩阵与RANSAC算法相结合,迭代出精确变换模型。在对图像进行几何矫正后,提出一种自适应的混合线性算法对重合区域图像变换至HIS颜色空间进行图像拼接,最后得到平滑无缝的完整彩色全景拼接图像。实验结果证明,该算法在拼接复杂场景并且重合区域不多时仍有较好的准确性及稳定性。     

图像局部特征自适应的快速SIFT图像拼接方法

针对目前图像拼接中计算量较大、实时性较差的问题,本文提出了一种图像局部特征自适应的快速尺度不变特征变换(SIFT)拼接方法。首先,对待拼接图像分块,确定图像局部块的特征类型;接着自适应采用不同的简化方法提取各局部块的特征点。然后,通过特征匹配求出变换矩阵,并结合RANSAC算法去除伪匹配对。最后,通过图像融合得到最终的拼接图像。文中使用提出的方法对3组待拼接图像进行实验。从实验结果可以看出:与标准拼接方法相比,本文改进方法的计算速度提升了30%~45%。因此,这种方法能够在保证图像拼接质量的前提下,有效提高图像拼接的效率,克服图像拼接中计算复杂度高的问题,在实际图像拼接中具有一定的应用价值。     

多传感器大视场成像系统设计及关键技术研究

为完成大幅面静态图像的采集,设计了基于多传感器阵列的大视场成像系统。提出了一种改进的基于SIFT算子的图像匹配方法对采集的图像进行匹配,有效地降低了误匹配率。推导了目标视场角与图像间重叠区域的关系以及成像平台参数和图像间重叠区域的关系,用于计算图像间的重叠比例,并只在重叠区域内进行特征点的定位、图像的匹配及拼接,有效地缩短了图像拼接时间。提出了一种改进的重叠区域渐入渐出融合算法对图像进行融合,得到了理想的融合效果。     

基于相位相关的柱面全景图像自动拼接算法

提出了一种基于相位相关法的柱面全景图像自动拼接算法.首先推导了柱面投影公式、柱面平移量和平面平移量之间的对应公式;然后利用改进的相位相关法计算出归一化相位相关度的峰值及峰值点坐标,利用峰值作为相关度准则判断两幅图像是否存在重叠部分,利用最大相关度求交自动确定头尾图像,利用峰值点坐标判断两幅相邻网像的位置关系;最后将环绕拍摄的序列图像投影到柱面坐标系下,根据计算得到的变换参数进行图像拼接并融合得到柱面全景图像.实验结果表明,该算法能有效地实现顺序混乱的序列图像的自动排序和柱面全景图像拼接,具有较高的稳健性和拼接精度.     

基于灰度校正的子孔径图像拼接算法

在多探测器子孔径组合图像拼接过程中。由于子图像边缘质量差、重叠区域少,而造成拼接图像拼缝明显。为此提出了先对子图像进行灰度校正,再进行图像拼接的新算法。该算法结构简单．易于硬件实现。便于移植到实时多探测器组合图像拼接系统中。仿真结果表明．拼接后图像重叠区平滑过渡,效果良好。     

基于静态小波分解和能量函数优化的图像拼接

提出了一种基于静态小波分解和能量函数优化的全景图拼接算法.该算法首先使用静态小波分解初始图像,并利用序贯检验法对高频图像快速搜索计算粗略匹配序列,在此基础上对初始图像细致搜索计算精确匹配点；对于传统图像融合处理中采用的线性加权函数通常引起的重叠区域模糊问题,采用包含图像梯度的能量函数计算高频图像的全局最优融合因子进行融合,而低频图像则采用线性因子融合.实验表明,该算法在降低匹配运算时间的同时又能获得满意的视觉效果.     

Good match exploration for thermal infrared face recognition based on YWF-SIFT with multi-scale fusion

Stable local feature detection is a critical prerequisite in the problem of infrared (IR) face recognition. Recently, Scale Invariant Feature Transform (SIFT) is introduced for feature detection in an infrared face frame, which is achieved by applying a simple and effective averaging window with SIFT termed as Y-styled Window Filter (YWF). However, the thermal IR face frame has an intrinsic characteristic such as lack of feature points (keypoints); therefore, the performance of the YWF-SIFT method will be inevitably influenced when it was used for IR face recognition. In this paper, we propose a novel method combining multi-scale fusion with YWF-SIFT to explore more good feature matches. The multi-scale fusion is performed on a thermal IR frame and a corresponding auxiliary visual frame generated from an off-the-shelf low-cost visual camera. The fused image is more informative, and typically contains much more stable features. Besides, the use of YWF-SIFT method enables us to establish feature correspondences more accurately. Quantitative experimental results demonstrate that our algorithm is able to significantly improve the quantity of feature points by approximately 38%. As a result, the performance of YWF-SIFT with multi-scale fusion is enhanced about 12% in infrared human face recognition.     

基于特征点及优化理论的图像自动拼接方法

提出了一种新的图像拼接方法,首先利用相位一致性(phase congruency)算法进行特征点检测,利用本文提出的匹配点优选策略进行特征点对自动选取,然后用LM(Levenberg-Marquardt)算法进一步优化变换矩阵,最后对拼接结果进行融合处理,获得无缝拼接的图像.该方法把基于特征点和基于优化理论的拼接方法有效相结合,且能充分利用图像重叠部分的信息,在一定程度上克服了噪声及光照不均的影响,较传统方法具有更强的鲁棒性和更高的拼接精确度.试验结果证明了该方法的有效性.     

一种改进的无人机航空影像配准方法

针对目前无人机航空影像非同源、畸变大、处理量多的问题,提出一种改进的无人机航空影像配准方法。首先利用传统SIFT方法得到特征点,其次利用C均值聚类方法可实现准确的非监督分类的特点,对传统SIFT方法得到的特征点进行筛选,从而得出同名点。最后根据得到的同名点完成待匹配图像的投影变换完成配准。通过实验仿真证明该方法精度有较大提高,且可自适应处理不同图像,是一种有效的无人机航空影像匹配改良方法。     

基于数字图像处理技术的人脸检测算法研究

为了提高人脸检测的准确性及检测速度,需要对基于数字图像处理技术的人脸检测算法进行研究。使用当前方法进行人脸检测时,需要提取脸部特征数目较多、检测速度过慢,降低人脸检测效率。为此,提出一种基于数字图像处理技术的人脸检测算法。该方法首先获取人脸数字图像,通过拉开数字图像的灰度间距,使数字图像灰度均匀分布,进而提高数字图像对比度,使图像更加清晰,再通过Wiener维纳滤算法对处理后的数字图像进行图像平滑去噪,在此基础上使用Robert边缘检测算子方法对数字图像人脸边缘每个像素点检测,得到数字图像中人脸边缘的基本图像,将其输入到计算机数字图像处理系统中进行识别检测。实验仿真证明,所提算法在检测速度及准确性等方面具有明显的优势。     

尺度不变特征与几何特征融合的人耳识别方法

要提高人耳的识别率,关键是特征的提取与表达.尺度不变特征变换(SIFT)技术是局部点特征提取算法,在尺度空间寻找极值点,提取对图像的尺度和旋转变化具有不变性,对光照变化和图像变形具有较强的适应性的特征向量.尝试用SIFT技术来提取外耳图像的结构特征点以形成稳定的特征描述子,为了克服一幅图像中有多个局部描述子相似的问题,在SIFT特征描述子中融入一个耳廓几何特征.最后采用特征向量的欧氏距离作为两幅图像相似性度量标准进行人耳识别.在耳图像库七进行实验.结果表明,该方法不仅可以有效地提取人耳特征,通过少量特征可获得较高的识别率,而且对耳图像刚体变化具有较强的稳健性.     

基于无人机载的光电与SAR图像融合技术研究

为了提高无人机侦察识别能力,提出基于小波变换方法的无人机载光电与SAR的图像融合技术。经时间配准算法生成图像配准源,采用SIFT算法提取图像特征点,BBF算法计算生成匹配点集,依据匹配点集计算图像间透视变换模型完成图像配准,利用小波变换算法实现配准图像融合。经实验验证以及利用Matlab分析图像灰度直方图和计算信息量,结果表明:融合图像保留了光电图像95.7%的细节(熵),相比于光电图像平均梯度提高了1.52倍,增强了光电图像目标区对比度,降低了随机性噪点;融合图像相比于SAR图像信息量提高了1.44倍。     

基于Shape Context和尺度不变特征变换的多模图像自动配准方法

提出了基于修正的尺度不变特征变换（SIFT）特征提取和Shape Context特征描述算子相结合的多模图像自动配准算法,该算法利用修正的SIFT算法提取多模图像中的特征点,然后采用Shape Context算子描述特征点,利用特征点周围区域边缘点的梯度方向形成特征向量。采用欧氏距离作为匹配标准对多模图像中特征点进行初始匹配,然后通过RANSAC算法消除误匹配的特征点对,并采用最小二乘法计算仿射变换参数,最后通过仿射变换和双线性插值实现图像配准。对红外图像和可见光图像的配准实验结果表明了本算法的有效性和稳定性。